Karpathy 又搞事了。
昨天，他在 X 上發了一條推文：「後 AGI 時代的感覺就是……我啥也沒碰。去蒸桑拿了。」
然後真去了桑拿房。
等他回來，AI 已經在他的 GPU 上連跑了 100 個訓練實驗，自動修改程式碼、訓練模型、評估結果、保留改進、丟棄失敗，全程無人值守。
這個專案叫 autoresearch。
630 行 Python 程式碼，一張 GPU，一個 Markdown 檔案。
就這些。
怎麼做到的
autoresearch 的核心思路極其簡潔：給 AI 一個真實的模型訓練環境，讓它自己做實驗。
更具體來說，整個專案只有三個關鍵檔案：
prepare.py：資料準備、tokenizer 訓練、評估函式。唯讀，AI 不能碰。train.py：模型架構、最佳化器、訓練迴圈。AI 唯一可以修改的檔案。program.md：給 AI 的指令。告訴它目標是什麼、規則是什麼、怎麼記錄結果。
訓練預算固定為 5 分鐘。
不管你用什麼 GPU，不管 AI 怎麼改程式碼，每次實驗都跑 5 分鐘。
這樣做的好處是：所有實驗直接可比。換了模型大小？可比。換了 batch size？可比。換了最佳化器？還是可比。
一小時能跑 12 個實驗，睡一覺能跑 100 個。
評估指標只有一個：val_bpb（驗證集 bits per byte），越低越好。這個指標和詞表大小無關，所以哪怕 AI 改了 tokenizer 相關的架構，結果依然公平。
永不停下
最讓人印象深刻的，是 program.md 裡的一段話：
永遠不要停下來。實驗迴圈一旦開始，不要停下來問人類是否應該繼續。人類可能在睡覺，或者已經離開了電腦，他期望你無限期地工作下去，直到被手動叫停。你是自主的。如果沒想法了，就更努力地想。
「如果沒想法了，就更努力地想。」
這句話讀起來有一種奇怪的力量感。它描述的不是一個自動化腳本，而是一種全新的工作關係：人類設定目標和邊界，然後離開。AI 自己想辦法。
實驗迴圈的流程是這樣的：
- 看當前 Git 狀態
- 修改
train.py，嘗試一個新想法 - Git commit
- 跑 5 分鐘訓練，把輸出重導向到日誌
- 讀取結果
- 如果
val_bpb降低了（變好了），保留 - 如果沒有改進，
git reset回去 - 重複
改進就前進，失敗就回退。
永遠迴圈。
如果連續失敗，AI 要自己想新方向。
Karpathy 在指令裡寫道：「重新讀程式碼，讀論文，試試把之前差一點成功的方案組合起來，試試更激進的架構變化。」
從寫程式碼到寫 Markdown
Karpathy 在 README 裡說了一句耐人尋味的話：核心思路是，你不再像傳統研究員那樣直接碰 Python 檔案了，你編程的對象變成了 program.md，也就是給 AI Agent 提供上下文的 Markdown 檔案。
你不再寫 Python 了。你寫 Markdown。
傳統的 AI 研究流程是：研究員想一個 idea → 寫程式碼實現 → 跑實驗 → 看結果 → 想下一個 idea。每個迴圈可能是一天、一週、甚至一個月。
現在的流程變了：研究員寫一份 program.md，描述目標、約束和策略 → AI 自己去改程式碼、跑實驗、看結果、想下一個 idea。每個迴圈 5 分鐘。
研究員從「執行者」變成了「指揮官」。
看下來，這和我們昨天的文章Claude Code 推出 /loop 無限迴圈，一台電腦即可化身無數小龍蝦中聊的 Claude Code /loop 是一個邏輯。/loop 讓 AI 在開發領域自主迴圈，autoresearch 讓 AI 在研究領域自主迴圈。
其實從底層來說，都是同一件事：閉環回饋。
簡單的精妙
Karpathy 的設計哲學一如既往的簡潔。
在 program.md 裡有一條規則叫「簡單性準則」：如果一個小改進引入了醜陋的複雜度，那就不值得。刪掉程式碼卻能提升 0.001 的 val_bpb？留。改進約等於零但程式碼更簡潔？也留。
如果刪程式碼也能得到一樣的結果，那就刪。
這並不是工程潔癖，這是一種研究哲學：最好的改進，往往是最簡單的那個。
整個 autoresearch 專案本身也踐行了這個原則。沒有分散式訓練，沒有複雜的設定系統，沒有多 GPU 支援。就是一張卡，一個檔案，一個迴圈。
630 行程式碼，完事。
仔細想想，autoresearch 最被低估的地方，可能不是它的訓練效果，而是它揭示了一件事：完整的研究迴圈，從假設到實驗到評估到迭代，全部裝進了一個 prompt 檔案和 630 行程式碼裡。 我們花了几十年建構研究基礎設施，到頭來發現，這些基礎設施本身才是瓶頸。
相比之下，Sakana AI 的 AI Scientist 專案要複雜得多。
它試圖覆蓋完整的科研生命週期：生成假設、設計實驗、寫論文、甚至做同行評審。AI Scientist-v2 甚至產出了第一篇完全由 AI 生成並被 workshop 接收的論文。
但 Karpathy 的路子也有所不同。
他不追求全面，他追求極致的簡單。一個目標（降低 val_bpb），一個約束（5 分鐘），一個回饋（保留或丟棄）。
就夠了。
不是新想法
自動化研究的概念本身不新。
2024 年 Sakana AI 發布 AI Scientist，試圖讓 LLM 完成從 idea 到論文的全流程。2025 年他們又發了 v2 版本，用 Agentic Tree Search 來探索研究方向。
港大團隊的 AI-Researcher 也在做類似的事：多 Agent 協作，覆蓋整個科研週期。
但這些專案都很「重」。
autoresearch 的不同在於，它不試圖模擬人類的科研流程。它做的事更像演化演算法：隨機變異（修改程式碼）→ 適應度評估（跑 5 分鐘訓練）→ 自然選擇（保留或丟棄）→ 重複。
沒有論文，沒有摘要，沒有 peer review。就是赤裸裸的：改程式碼，看數字，留好的，扔差的。
Karpathy 兩個月前在 X 上說過：「作為程式設計師，我從未感到如此落後。這個職業正在被劇烈重構。」隨後他又透露，自己的編碼方式已經從「80% 手寫 + 20% Agent」翻轉成了「80% Agent + 20% 手動微調」。
autoresearch 可能就是他的回應：既然跟不上，那就讓 AI 自己跑。
專案在 GitHub 上線不到 24 小時就被官方推薦，社區反應也很直接。有人立馬 fork 了一個 macOS 版本適配 Apple Silicon，有人開始討論能不能把同樣的模式套到其他領域：藥物發現、材料科學、編譯器最佳化……
而這恰恰說明，autoresearch 最大的價值不在於它本身的實驗結果，而在於它展示的範式：給 AI 一個真實的環境、一個量化的指標、一個無限的迴圈，然後讓開。
睡覺即科研
回到 Karpathy 的那條推文：「後 AGI 時代的感覺就是……我啥也沒碰。」
當然，這只是一句玩笑。autoresearch 遠不是 AGI。它只能在一個極度受限的空間裡（一個 Python 檔案、一個評估指標）做最佳化。它不會提出顛覆性的新理論，不會發現新的物理定律，甚至不會寫出一篇及格的論文。
但它展示了一種可能性。
如果 AI 能在 5 分鐘一輪的迴圈中不斷改進一個模型，那把迴圈時間拉長到一天、一週、一個月呢？把搜尋空間從一個檔案擴展到整個程式碼庫呢？把評估指標從 val_bpb 擴展到多個維度呢？
這個方向的盡頭，就是真正的自動化科研。
昨天我們寫了一篇文章叫自主的本質，是迴圈，從控制論的角度分析了為什麼回饋迴圈是自主的基礎。
autoresearch 就是這個理論的一個完美案例：
感知（讀取 val_bpb）→ 判斷（是否改進）→ 行動（修改程式碼）→ 再感知。
Wiener 的恆溫器，Karpathy 的 autoresearch，Claude Code 的 /loop。形式不同，本質相同。
都是迴圈。
如何使用
如果你有一張 NVIDIA GPU，可以直接跑起來：
curl -LsSf https://astral.sh/uv/install.sh | shgit clone https://github.com/karpathy/autoresearchcd autoresearchuv syncuv run prepare.py
然後打開 Claude Code（或任何 coding agent），告訴它：「看看 program.md，開始實驗。」
它會自己跑起來。你去睡覺就行。
已經有人 fork 了一個 macOS 版本（miolini/autoresearch-macos），支援 Apple Silicon。
研究員的未來
Karpathy 用 autoresearch 做了一個示範：未來的 AI 研究員，核心技能可能不再是寫 PyTorch 程式碼，而是寫 program.md。
定義目標，設定約束，描述策略，然後放手。
這和管理學其實很像。好的管理者不是自己做事最快的人，而是最會定義問題和設定邊界的人。
autoresearch 把 AI 研究變成了一種管理工作。
你管理的不是人，是 Agent。你寫的不是程式碼，是 Markdown。你的產出不是模型，是實驗日誌。
當然，這不會讓 AI 研究員消失。就像 /loop 不會讓程式設計師消失一樣。但工作內容會變。
以前的研究：想 idea → 寫程式碼 → 等結果 → 想下一個 idea。
以後的研究：寫 program.md → 去睡覺 → 醒來看日誌 → 改 program.md。
Karpathy 自己的描述是：
「後 AGI 的感覺就是……我啥也沒碰。」
相關連結：